Ficha Unidade Curricular (FUC)
Informação Geral / General Information
Carga Horária / Course Load
Área científica / Scientific area
Contabilidade
Departamento / Department
Departamento de Contabilidade
Ano letivo / Execution Year
2021/2022
Pré-requisitos / Pre-Requisites
Nenhum
Objetivos Gerais / Objectives
Apresentar aos alunos as principais técnicas de análise de dados multivariada utilizadas no estudo de fenómenos contabilísticos.
Objetivos de Aprendizagem e a sua compatibilidade com o método de ensino (conhecimentos, aptidões e competências a desenvolver pelos estudantes) / Learning outcomes
OA1. Aplicar os principais conceitos de estatística descritiva e inferencial (revisão). OA2. Identificar as potencialidades e limitações de técnicas de estatística multivariada. OA3. Aplicar técnicas estatísticas para: reduzir a redundância, previsão e classificação. OA4. Análise de relatórios, artigos e resultados de sondagens. OA5. Desenvolvimento da capacidade de estudo e de pesquisa pessoal. OA6. Desenvolvimento da capacidade de comunicação oral e escrita de trabalho realizado no âmbito da análise estatística de dados contabilísticos.
Conteúdos Programáticos / Syllabus
CP1. O papel da estatística na análise de indicadores contabilísticos; CP2. Análise da informação contabilística em artigos científicos: CP2.1. Contabilidade financeira; CP2.2. Contabilidade de gestão; CP3. Análise estatística da informação contabilística: CP3.1. Análise de componentes principais; CP3.2. Análise de clusters: métodos hierárquicos e k-means; CP3.3. Métodos de previsão e classificação: regressão linear, regressão logística ou CART. CP4. Aplicações no SPSS.
Demonstração da coerência dos conteúdos programáticos com os objetivos de aprendizagem da UC / Evidence that the curricular units content dovetails with the specified learning outcomes
Esta demonstração de coerência decorre da interligação dos conteúdos programáticos (CP) com os objectivos de aprendizagem (OA), como a seguir se explicita: CP1 OA 2, 4, 5 CP2 OA 2, 4, 5, 6 CP3 OA 1, 2, 3, 5, 6 CP4 OA 1, 3
Avaliação / Assessment
1) Avaliação periódica: a) trabalho de grupo: relatório de análise de dados (20%); b) trabalho de grupo: análise crítica a um artigo científico com avaliação por pares (20%) c) teste individual (60%). Aprovação: i) mín. 7,5 valores em cada uma das provas; ii) classificação final mín. 10 valores; e, iii) assiduidade mínima de 2/3 das aulas. 2) Avaliação por exame (1ª ou 2ª época): teste escrito (100%), com classificação mínima 10 valores. Escala: 0-20 valores.
Metodologias de Ensino / Teaching methodologies
Todas as aulas são teórico-práticas em laboratório de informática.Serão utilizadas as seguintes metodologias de ensino-aprendizagem: ME1. Expositivas, para apresentação dos quadros teóricos de referência. ME2. Participativas, com análise de artigos científicos. ME3. Activas, com realização de trabalho de grupo. ME4. Experimentais, em laboratório, com desenvolvimento e exploração de modelos em computador. ME5. Auto-estudo, relacionado com o trabalho autónomo do aluno.
Demonstração da coerência das metodologias de ensino e avaliação com os objetivos de aprendizagem da UC / Evidence that the teaching and assessment methodologies are appropriate for the learning outcomes
As metodologias de ensino-aprendizagem visam o desenvolvimento das principais competências de aprendizagem dos alunos que permitam cumprir com cada um dos objectivos de aprendizagem, pelo que, na grelha a seguir, apresenta-se as principais interligações entre as metodologias de ensino-aprendizagem e os respectivos objectivos. ME1 OA 1, 2, 3 ME2 OA 2, 4, 6 ME3 OA 1, 3, 4, 5, 6 ME4 OA 1, 3 ME5 OA 1, 2, 3, 4, 5, 6
Observações / Observations
- Os alunos abrangidos pelo Regulamento Interno para Estudantes com Estatutos Especiais deverão contactar com o docente da UC, ou com o Coordenador da mesma, na primeira semana de aulas de cada semestre, com vista ao enquadramento dos processos de aprendizagem e avaliação na UC. - As frequências e os exames serão realizados presencialmente, quer se utilizem softwares/plataformas digitais ou não. - Devido à atual situação provocada pela COVID-19, o processo de avaliação poderá sofrer algumas adaptações, que serão comunicadas, caso venha a ser necessário.
Bibliografia Principal / Main Bibliography
Marôco, João (2018) Análise Estatística com o SPSS Statistics, 7ª edição., ReportNumber [ISBN: 9789899676350]. Larose, Daniel & Larose, Chantal (2015). Data Mining and Predictive Analytics (Wiley Series on Methods and Applications in Data Mining), 2nd edition, Wiley (capítulos 4, 11, 13, 19, 30) [SBN: 9781118116197].
Bibliografia Secundária / Secondary Bibliography
Rocha, Miguel & Ferreira, Pedro (2017) Análise e Exploração de Dados com o R, FCA [ISBN: 9789727228638] Laureano, Raul (2020) Testes de Hipóteses e Regressão: O Meu Manual de Consulta Rápida, Edições Sílabo [ISBN 9789895610518]. Hair, Joseph; Babin, Barry; Anderson, Rolph; & Black, William (2018) Multivariate Data Analysis, 7th edition, Cengage Learning EMEA (capítulos 3, 4, 8) [ISBN: 9781473756540]. Field, A. (2017) Discovering Statistics using IBM SPSS Statistics, 5th edition, Sage Publications (capítulos 18, 20) [ISBN: 9781526419521]. Folhas de apoio às aulas elaboradas pelo docente.
Data da última atualização / Last Update Date
2024-02-16